有趣的乱码

有趣的乱码 说发送邮件时内容中书写はぁ～，收信时会显示成はち。懂日文的朋友大概能明白，感叹词 はぁ～怎么就变成了蜜蜂はち呢？ 后来找到了原因。我们的邮件系统是用 Perl 写成的。其中有一个空格删除功能，就是在显 示时将邮件中的全角空格全部删除，其实现方法如下： $body =~ s/ //g;看起来似乎没有问题，但就是这条语句将はぁ～变成了はち。日文 euc-jp 编码下，这几个字符串的编码如下： 字符串 编码 はぁ～ A4CF A4A1 A1C1 はち A4CF A4C1 全角空格 A1A1 ぁ的后半个字符和～的前半个字符恰好都是 A1，所以就被删除了，于是就出现了有意思的乱 码现象。修改方法也比较简单，只要正确识别出每个汉字的起止位置即可。 my $twoBytes = '[\x8E\xA1-\xFE][\xA1-\xFE]'; my $threeBytes = '\x8F[\xA1-\xFE][\xA1-\xFE]'; while($body =~ s/\G(($twoBytes|$threeBytes|[\x00-\x7F])+?) /$1/g){}; # 识别汉字， 如果汉字后面有空格则删除 $body =~ s/^ //g; # 最后删除最开始处的全角空格